Direkt zum Inhalt
Kontakt
Teilen

Kontakt

Sie haben Fragen, Wünsche oder Anregungen?
Kontaktieren Sie uns, wir helfen Ihnen gerne weiter.

Blog 01.12.2017

Daten, Daten, überall Daten – aber wie nutzen?

von Marc Hesenius

Es soll schon ganz bald ganz einfach sein, immer genau das aus einem Datenhaufen herauszuziehen, was gerade benötigt wird. Klingt erstmal toll, auf dem Weg dahin ist aber noch die eine oder andere Hürde zu überwinden.

Sicher war auch das der Grund dafür, dass über 50 Teilnehmer bei unserer Veranstaltung "Werte aus der Datenflut schöpfen – Machine Learning und Data Science nutzen" im Publikum saßen. Für den Einsatz und die Entwicklung von Cyber Physical Systems ist das Thema von besonderem Interesse – die eingesetzte Sensorik produziert sehr viele Daten, die ggf. sehr schnell verarbeitet und kombiniert werden müssen, um verschiedene Entscheidungen zu treffen. Aber wie?

Oder vielmehr: Welche Technologie sollte sinnvollerweise für welche Anwendung zum Einsatz kommen? Das ist gar nicht so einfach, wie im Vortrag von meinem Kollegen Nils Schwenzfeier von der Universität Duisburg-Essen deutlich wurde: Zum einen sind Begriffe wie Machine Learning und Data Science nicht eindeutig voneinander abgegrenzt und werden oft synonym verwendet. Zum anderen ist explizites Wissen über die Problemstellung notwendig, das im Idealfall aus unterschiedlichen Perspektiven betrachtet werden muss. Das interdisziplinäre Feld des Software Engineerings wird also noch um einiges bunter. Ohne die richtige Datenbasis hilft das aber alles nichts – Junk in, Junk out!

In die gleiche Kerbe schlug Dr. Tobias Brambach von der Point 8 GmbH: Es reicht nicht, einfach einen Berg von Daten anzuhäufen, der dann wie von Zauberhand mithilfe der magischen künstlichen Intelligenz so ausgewertet wird, dass genau die richtigen (und vor allem erwarteten) Ergebnisse herauskommen. Nur wenn die erhobenen Daten verstanden und Fachexperten aus der Anwendungsdomäne einbezogen werden, können Data Scientists und ML-Experten eine passgenaue, optimale Lösung entwickeln.

Ein Werkzeug, das zur Verfügung steht, um die gesamte Wertschöpfungskette von der Datenerfassung bis zur Entscheidungsfindung abzubilden, ist RapidMiner, das von Dr. Fabian Temme von der RapidMiner Inc. vorgestellt wurde. Hinter der Open-Source-Anwendung steht eine Community von über 300.000 Nutzern, Tendenz steigend. Um die gesamte Wertschöpfungskette abzubilden sollten drei Fragen im Mittelpunkt stehen:

  • Welche Zielsetzung verfolge ich mit der Vorhersage? (Problemstellung)
  • Habe ich geeignete Daten und in welcher Form liegen sie vor? (Datenerfassung),
  • Wie setze ich die Vorhersagen um? (Entscheidungsfindung und Wertschöpfung)

Oliver Schönfelder von der Woodward Kempen GmbH gab im letzten Vortrag ein Beispiel aus der Praxis. Woodward stellt Frequenzumrichter für Windkraftanlagen her, die das Bindeglied zwischen der (mechanischen) Stromerzeugung und der Einspeisung ins Netz sind. Sie werden mit zahlreichen Strom-, Spannungs- und Temperatursensoren überwacht, die konstant viele Daten über den Zustand des jeweiligen Frequenzumrichters produzieren. Die ermittelten Werte werden aber bislang ausschließlich für die interne Steuerung und Regelung verwendet, bieten aber auch großes Wissenspotential, das z. B. Hinweise auf Zustand und Performance der Anlagen gibt. Dieser Datenschatz soll demnächst gehoben werden, um z. B. die Kosten für Wartung und Instandhaltung durch Ausfallvorhersagen zu senken. Wie das gehen kann, wird im Rahmen des im März 2018 startenden Projekts CoBaMas ermittelt. Dazu halten wir Sie gerne auf dem Laufenden.

Übrigens: Dass Machine Learning und künstliche Intelligenz Kerntechnologien für CPS sind, wird nicht zuletzt anhand des praktischen Anwendungsfalls deutlich. Im Rahmen der Reihe „Kerntechnologien für Cyber Physical Systems“ haben wir bereits beschrieben und erläutert, wo der Nutzen von Maschinellem Lernen für CPS liegt und welche interessanten Anwendungsfelder und Forschungsoptionen sich ergeben. Darüber hinaus sind zwangsläufig auch benachbarte Bereiche wie z. B. Wissenrepräsentation interessant und müssen explizit berücksichtigt werden.

Um die ganzen Daten wirklich nutzen zu können, muss man also ein wenig Arbeit investieren. Einfach eine KI auf den Datenhaufen schicken reicht nicht. Aber alle Anwesenden wissen jetzt umso besser, wie und mit welchen Instrumenten ausgestattet sie sich auf den Weg machen können, um Stück für Stück von den Technologien zu profitieren. Dabei gilt nach wie vor: Es wird eine Vielzahl von Experten aus spezialisierten Fachgebieten benötigt, die fachübergreifend zusammen arbeiten – aber das ist im Rahmen von CPS ja nichts Neues.

Falls Sie nicht dabei sein konnten am 24.11.: Die Vorträge der Veranstaltung finden Sie hier. Und wir würden uns natürlich freuen, wenn Sie in Zukunft an dem Thema mitarbeiten möchten – melden Sie sich bei uns!

Viele Grüße
Marc Hesenius  

Bleiben Sie informiert über die Vielfalt der digitalen Transformation in NRW.

Jetzt Wissensvorsprung sichern